کاربرد شبکه عصبی مصنوعی در انرژی خورشیدی

مقالات زیادی در مورد کاربرد شبکه عصبی مصنوعی در انرژی خورشیدی ارائه شده است. این مقاله درصدد است با مروری بر مقالات قبلی، تقسیم بندی و روش عملکرد مناسب را ارائه دهد. این موضوع عملکرد و کاربرد، کاربرد شبکه عصبی مصنوعی در انرژی خورشیدی را توضیح می دهد تا مرجع خوبی برای انتخاب الگوریتم مناسب باشد. این مقاله رویکردهای مختلف شبکه های عصبی مصنوعی (ANN) را برای پیش بینی خروجی انرژی ماژول های فتوولتائیک (PV) نشان می دهد. تجزیه و تحلیل خروجی توان ماژول PV به داده های آب و هوایی محلی دقیق نیاز داشت که توسط یک سیستم نظارت آب و هوای اختصاصی جمع آوری شد. پیش بینی دقیق عملکرد سیستم برای برنامه ریزی بهینه سیستم های انرژی خورشیدی بسیار مهم است. آخرین تحقیقات فناوری شبکه عصبی مصنوعی (ANN) برای پیش بینی کارایی سیستم های حرارتی خورشیدی و عملکرد سیستم فتوولتائیک در اینجا گزارش شده است. اکثر مدل های پیشنهادی در پژوهش های صورت گرفته با استفاده از پرسپترون های چندلایه برای انرژی خورشیدی از سه نوع مختلف شبکه عصبی مصنوعی به دست می آید: یک پرسپترون چندلایه یک لایه پنهان (MLP)، یک شبکه عصبی بازگشتی (RNN)، و یک حافظه گاما (GM) که با انتشار بازگشتی آموزش داده شده است. کاربرد شبکه های عصبی مصنوعی برای ارزیابی عملکرد کلکتورهای خورشیدی به طور خلاصه مورد بررسی قرار می گیرد.

کلیدواژه ها:

انرژی تجدیدپذیر ، فتوولتاییک خورشیدی ، شبکه های عصبی مصنوعی